Si estáis utilizando Conda, podéis instalar las librerías con el siguiente comando, siempre que estéis en el directorio en el que se encuentra el archivo:
conda install --file requirements
Recordad que para todos los pasos tenéis que tener activo el entorno conda.
El primer paso es lanzar MLFlow para poder guardar experimentos en local.
cd experiment_tracking
mlflow server --port 5000
Esto hará que tengáis disponible MLFlow en esta url: http://127.0.0.1:5000. Esta misma url es la que tenéis que utilizar en los archivos:
mlflow.set_tracking_uri('http://127.0.0.1:5000')
Una vez todo esté listo, sólo tenéis que lanzar el código como python [nombre-archivo].py
Podéis usar la configuración de Pycharm para lanzar la API (mejor ver el video de la clase) o desde el terminal.
Lo primero que tenéis que hacer es aseguraros que estáis en el directorio correcto. Desde el directorio principal del repo, podéis hacer cd api
.
Una vez dentro, tenéis que levantar la API con el siguiente comando:
uvicorn main:app --reload
donde main:app
equivale al nombre_archivo:nombre_variable_asignada_a_FastAPI()
. Una vez levantada, podéis acceder a ella aquí: http://127.0.0.1:8000
Recordad que la url para la documentación que vimos en clase es la siguiente: http://127.0.0.1:8000/docs
Como comentamos en clase, quiero que entregueis el challenge de la API (y el challenge de MLFlow si lo queréis hacer) como forks al repo. Os dejo una guía: https://drupal.gatech.edu/handbook/using-pull-requests-forks